-
公开(公告)号：CN118821790B
公开(公告)日：2025-03-07
申请号：CN202411304955.6
申请日：2024-09-19
Applicant: 北京航空航天大学杭州创新研究院 , 北京航空航天大学
Abstract: 本发明提供一种量子神经网络模型处理文本语义相似性的方法，包括，采集用于文本语义相似性分析任务的数据集，对数据集进行标准化的数据预处理；构建量子神经网络模型，包括：量子数据编码模块、量子文本特征提取模块、量子文本特征相似度计算模块、量子比特测量模块和网络参数优化模块；利用训练集和验证集的量子态对量子神经网络模型进行迭代训练和验证，直至满足设置的阈值条件后终止训练和验证，终止训练和验证后可得到性能最优的用于处理文本语义相似性分析的量子神经网络模型；利用测试集的量子态评估最优的用于处理文本语义相似性分析的量子神经网络模型的性能，能够处理复杂的文本语义相似性分析任务，提高了处理效率。
-
公开(公告)号：CN119557748A
公开(公告)日：2025-03-04
申请号：CN202510096925.9
申请日：2025-01-22
Applicant: 北京航空航天大学杭州创新研究院 , 北京航空航天大学
IPC: G06F18/2411 , G06F18/213 , G06N3/042 , G06N3/045 , G06N3/084 , H04L41/142 , H04L41/12
Abstract: 本发明提出一种基于子图信息瓶颈的服务网络功能节点识别方法，属于网络技术领域。方法包括：获取待测服务网络的拓扑图，并获得拓扑图的特征矩阵和邻接矩阵；将特征矩阵和邻接矩阵输入特征编码模型，利用特征编码模型根据特征矩阵和邻接矩阵，获得待测服务网络的节点特征，特征编码模型为联合多阶子图信息瓶颈的优化函数和全局拓扑约束函数训练后得到的模型；根据节点特征，获得待测服务网络的节点识别结果。如此，以数据驱动的形式，从信息论的角度结合子图多层次节点语义信息和多尺度拓扑信息，获得隐空间下具有多尺度约束信息的网络节点特征，捕捉到更为准确的功能节点特征，从而极大地提高了服务网络节点识别的准确率。
-
公开(公告)号：CN118550200B
公开(公告)日：2024-11-15
申请号：CN202411017285.X
申请日：2024-07-29
Applicant: 北京航空航天大学杭州创新研究院 , 北京航空航天大学
IPC: G05B13/04
Abstract: 本说明书实施例提供视场受限约束下的机器人自适应跟踪控制方法及装置，其中所述方法包括：基于机器人运动学确定运动模型，并基于运动模型确定视场受限约束下的初始控制器；基于最小二乘辨识确定初始控制器的未知参数；基于未知参数和初始控制器确定目标控制器，基于目标控制器对机器人进行自适应跟踪控制。通过基于机器人运动学确定运动模型，并基于运动模型确定视场受限约束下的初始控制器；基于最小二乘辨识确定初始控制器的未知参数；基于未知参数和初始控制器确定目标控制器，基于目标控制器对机器人进行自适应跟踪控制，所采用的最小二乘参数辨识可在有限次参数更新后，消除参数不确定性对自适应跟踪控制系统带来的影响。
-
公开(公告)号：CN119578574A
公开(公告)日：2025-03-07
申请号：CN202510130630.9
申请日：2025-02-06
Applicant: 北京航空航天大学杭州创新研究院 , 北京航空航天大学
IPC: G06N10/20 , G06F18/214 , G06F18/22
Abstract: 本发明提供一种基于参数化量子电路的近似量子振幅编码模型，属于人工智能技术领域，包括模拟量子电路和实现量子电路；模拟量子电路由多层组成，多层的数量由量子比特数限定，且模拟量子电路通过酉变换表示，实现量子电路基于模拟量子电路中获得的优化后的酉运算符构建；模拟量子电路用于将预先计算的振幅编码量子态转换为具有最大保真度的固定量子态；实现量子电路用于通过优化后的模拟量子电路的共轭转置变换将固定量子态编码为振幅编码量子态的近似表示。通过对振幅编码量子态的近似表示，近似量子振幅编码模型显著降低了量子态制备电路的电路深度和量子门复杂度，提升了其在噪声中等规模量子设备中实现的可行性。
-
公开(公告)号：CN118869430B
公开(公告)日：2025-01-28
申请号：CN202411345663.7
申请日：2024-09-26
Applicant: 北京航空航天大学杭州创新研究院 , 北京航空航天大学
IPC: H04L41/044 , H04L41/14 , H04L41/147 , H04L41/16 , H04L41/5019 , G06N3/045 , G06N3/048 , G06N3/08 , G06N5/04
Abstract: 本申请提供一种基于多层次图变分推断的服务网络感知学习方法，涉及大数据处理技术领域。本申请调用与目标服务网络匹配的目标分层次图变分推断网络模型，基于该目标服务网络的实际图结构数据构建适配的实际分层隐空间图结构，并对该实际分层隐空间图结构进行分层次相互作用学习，得到隐空间分层相互作用变量在该实际分层隐空间图结构处的实际高斯分布参数，而后基于实际高斯分布参数进行重参数化处理，得到可表征目标服务网络中每个网络节点与其他网络节点的实际相互作用关系状况的实际隐空间分层相互作用变量数据，以实现对目标服务网络内部复杂节点相互作用关系的精准感知，便于提升目标服务网络的下游任务执行质量。
-
Patent Agency Ranking
公开(公告)号：CN119342102A
公开(公告)日：2025-01-21
申请号：CN202411897622.9
申请日：2024-12-23
Applicant: 北京航空航天大学杭州创新研究院 , 北京航空航天大学
Abstract: 本申请提供了一种基于深度强化学习的服务网络调度方法，该方法包括获取目标用户节点的服务请求；将服务请求输入到训练完成的网络服务资源调度模型中得到资源调度策略；基于资源调度策略及服务请求获取目标服务节点的网络服务资源；将目标服务节点的网络服务资源按照服务质量等级及传输路径发送给目标用户节点。本发明通过利用网络的族群特性，将其划分为由社团组成的动态服务网络，在该网络结构基础上，通过网络服务资源调度模型能够进行合理的资源分配，包括服务节点选择、路径规划和服务等级的选择，从而有效地减少服务时延、降低资源运输成本，并提高服务质量和网络服务资源调度的效率。
-
公开(公告)号：CN118898726A
公开(公告)日：2024-11-05
申请号：CN202411397807.3
申请日：2024-10-09
Applicant: 北京航空航天大学杭州创新研究院 , 北京航空航天大学
IPC: G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0499 , G06N10/60
Abstract: 本申请提供一种量子神经网络处理多模态细粒度数据的方法及相关装置，涉及量子机器学习领域。其中，电子设备将多模态的多种经典细粒度特征分别编码到各自对应的量子比特集，以使多个量子比特集处于第一量子态，并通过每个特征提取线路作用于对应的量子比特集，将多个量子比特集演化为第二量子态；然后，通过每个特征融合线路将相邻两个量子比特集中的每个量子比特与其余量子比特分别建立纠缠关系，以使多个量子比特集演化为第三量子态；最后，通过测量线路作用于多个量子比特集，得到上述特征的处理结果。如此，深度整合不同经典细粒度特征的特征信息，有效揭示并挖掘它们之间的内在联系，进而显著提升了多种经典细粒度特征处理结果的精确度。
-
公开(公告)号：CN118672142A
公开(公告)日：2024-09-20
申请号：CN202411163184.3
申请日：2024-08-23
Applicant: 北京航空航天大学杭州创新研究院 , 北京航空航天大学
IPC: G05B13/04
Abstract: 本发明提出一种可重入制造系统控制方法、装置、存储介质及设备，引入可重入制造系统的非线性项和线性扰动增益，构建可重入制造系统的非线性误差模型；对非线性误差模型进行局部线性化处理，以得到可重入制造系统的整体模糊状态方程；构建可重入制造系统的控制器算子；将控制器算子带入整体模糊状态方程，以得到闭环控制系统；基于闭环控制系统进行解算，确定控制器增益；基于控制器增益，获取控制器，并基于控制器对可重入制造系统进行调控。在构建可重入制造系统对应的模型时，引入可重入制造系统的非线性项和线性扰动增益，以得到非线性误差模型，能够对可重入制造系统的不确定性和扰动表现出强鲁棒性。
-
公开(公告)号：CN118898726B
公开(公告)日：2025-01-28
申请号：CN202411397807.3
申请日：2024-10-09
Applicant: 北京航空航天大学杭州创新研究院 , 北京航空航天大学
IPC: G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0499 , G06N10/60
Abstract: 本申请提供一种量子神经网络处理多模态细粒度数据的方法及相关装置，涉及量子机器学习领域。其中，电子设备将多模态的多种经典细粒度特征分别编码到各自对应的量子比特集，以使多个量子比特集处于第一量子态，并通过每个特征提取线路作用于对应的量子比特集，将多个量子比特集演化为第二量子态；然后，通过每个特征融合线路将相邻两个量子比特集中的每个量子比特与其余量子比特分别建立纠缠关系，以使多个量子比特集演化为第三量子态；最后，通过测量线路作用于多个量子比特集，得到上述特征的处理结果。如此，深度整合不同经典细粒度特征的特征信息，有效揭示并挖掘它们之间的内在联系，进而显著提升了多种经典细粒度特征处理结果的精确度。
-
公开(公告)号：CN119337259A
公开(公告)日：2025-01-21
申请号：CN202411886169.1
申请日：2024-12-20
Applicant: 北京航空航天大学杭州创新研究院 , 北京航空航天大学
IPC: G06F18/2431 , G06F16/245 , G06F16/22 , G06F18/21 , G06N3/0455 , G06N3/08 , G06Q50/00
Abstract: 本申请提供一种基于多尺度互信息的服务网络社团检测方法，涉及大数据处理技术领域。本申请调用隐空间节点特征提取模型在隐空间下考虑多个信息尺度地对待检测服务网络的实际图结构数据进行节点特征学习，来提取可与实际图结构数据中的服务网络节点特征数据在多个信息尺度层面维持相互作用信息最大化效果的目标隐空间节点特征数据，而后调用社团标签分类器基于目标隐空间节点特征数据进行社团标签预测，得到待检测服务网络的实际社团分类结果，使在实际社团分类结果中被归属为同一社团的各个网络节点实现隐空间距离最小化效果，以便从数据驱动角度出发地兼容不同服务网络的特异性社团检测需求，并有效确保社团检测精准度。
-
-
-
-
-
-
-
-
-
Search Results
317
records
(took 0.036 seconds)
